Итак, как бы вы включили байесовские оценки в метаанализ?

10

Вдохновленный этим вопросом и конкретной «проблемой 3»:

Апостериорные распределения несколько сложнее включить в метаанализ, если только не было предоставлено частичное параметрическое описание распределения.

В последнее время я много думал о включении метаанализа в байесовскую модель - в первую очередь, в качестве источника приоры - но как это сделать в другом направлении? Если байесовский анализ действительно становится более популярным и становится очень простым для включения в существующий код (вспоминается оператор BAYES в SAS 9.2 и выше), нам следует чаще получать байесовские оценки эффекта в литературе.

Давайте на мгновение представим, что у нас есть прикладной исследователь, который решил провести байесовский анализ. Используя тот же код симуляции, который я использовал для этого вопроса , если бы они использовали фреймворк для часто используемых, они бы дали следующие оценки для часто используемых:

log relative risk = 1.1009, standard error = 0.0319, log 95% CI = 1.0384, 1.1633

Используя стандартный анализ операторов BAYES, основанный на стандартных и неинформативных априорах, нет причин иметь хорошие, симметричные доверительные интервалы или стандартные ошибки. В этом случае апостериор довольно легко описывается нормальным распределением, поэтому можно просто описать его как таковой и быть «достаточно близким», но что произойдет, если кто-то сообщит об оценке байесовского эффекта и асимметричном вероятном интервале? Есть ли простой способ включить это в стандартный метаанализ или оценка должна быть отражена в параметрически описанном распределении, как можно более близком? Или что-то другое?

bayesian meta-analysis фомиты
источник
3
Существует также дополнительная проблема, заключающаяся в том, что если они включают неслабую априорную информацию, метаанализ должен стараться избегать двойного учета этой информации из нескольких исследований, использующих одну и ту же априорную информацию.
Джон Сальватье
1
Может быть, начиная с первого исследования и повторяя его, причем каждое последующее исследование становится приоритетом для следующего. Так что, если интервалы искажены - мы говорим о способности публикации? Получившаяся «кривая» изменения распределений во времени также даст вам информацию о разработке месторождения. Будет ли хороший способ посмотреть на предвзятость публикации? Возможно, это тип контрольной диаграммы - где будет обнаружено слишком много последовательных «положительных» результатов.
Росс

Ответы:

3

Что-то другое. Чтобы выполнить байесовский анализ результатов нескольких исследований, в которых рассматривается один и тот же параметр (или параметры), вам необходимо выяснить их вероятности (или их приближения) и умножить их на предыдущие.

Если каждый отдельный анализ сообщает о своем собственном байесовском умозаключении, это будет невозможно, хотя приблизительное значение может быть возможным. К счастью, в большинстве работ будет дана прямая сводка данных, прежде чем они сделают свой байесовский вывод. Для вашего байесовского вывода вы можете начать с этого резюме и добавить свой предыдущий.

гость
источник